Python-yield生成器函数及推导式

最新推荐文章于 2023-12-13 12:50:49 发布

tzw160702

最新推荐文章于 2023-12-13 12:50:49 发布

阅读量269

点赞数

分类专栏： Python

本文链接：https://blog.csdn.net/Could_tzw/article/details/105959386

版权

Python 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

__next__() 可以让生成器向下执行一次

send() 也可以让生成器向下执行一次, 还可给上一个yield传一个值。使用第一个send()必须让生成器向下执行(__next__())一次才可以用. 不能给最后一个yield传值

列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占用内存. 使用的时候才分配和使用内存

得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.

3.字典推导式

4.集合推导式

注意: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式

三.样例

一.生成器

1.什么是生成器

生成器的本质是迭代器。
只要 Python 函数的定义体中有 yield 关键字，该函数就是生成器函数。函数返回一个值，而生成器函数生成一个值。函数返回值后就退出了，而生成器可以生产多次值，生成器函数中还能出现多个yield。

def func():
    
    print("我是ALe")
    yield "昆"  # 函数中包含了yield, 当前这个函数就不再是普通的函数. 是生成器函数
    print("我是力宏")
    yield "???"
    print("空气")
    yield "放"
    print("你好啊")  # 最后一个yield之后如果再进行__next__()会报错


g = func()
print(g.__next__())  # 我是ALe 昆
print(next(g))  # 我是力宏 ???
print(next(g))  # 空气 放
print(next(g))  # 你好啊 StopIteration

2.通过函数来创建生成器

# eg1
def fun():
    
    print("我是ALe")
    yield "昆"  # 函数中包含了yield, 当前这个函数就不再是普通的函数. 是生成器函数
    print("我是力宏")
    yield "???"

g = fun()    #通过函数func()来创建一个生成器
print(g.__next__())
print(g.__next__())
print(g.__next__())    # 出现报错



# eg2
def func():
    yield 11
    yield 22
    yield 33
    yield 44

g = func()   # 拿到的是生成器. 生成器的本质是迭代器.迭代器可以被迭代生成器可以直接for循环
for i in g:
    print(i)    # 本质上执行的是__next__()

it = g.__iter__()
while True:
    try:
        print(it.__next__())
    except StopIteration:
        break


# eg3
def func():
    yield 11
    yield 22
    yield 33
    yield 44
g = func()
lst = list(g)   # 可迭代对象
print(lst)   # [11, 22, 33, 44]

3.return和yield的区别

return 直接返回结果结束函数的调用

yield 返回结果.可以让函数分段执行

# eg1
def func1():
    lst = []
    for i in range(1, 101):
        lst.append("衣服%s" % i)
    return lst


print(func1())



# eg2
def gen():
    i = 1
    while i < 105:
        yield "衣服%s" % i
        i = i + 1


g = gen()
print(g.__next__())    #衣服1
print(g.__next__())    #衣服2
print(g.__next__())    #衣服3
print(g.__next__())    #衣服4

4.send()函数

__next__() 可以让生成器向下执行一次

send() 也可以让生成器向下执行一次, 还可给上一个yield传一个值。使用第一个send()必须让生成器向下执行(__next__())一次才可以用. 不能给最后一个yield传值

def eat():
    print("我吃什么啊")
    a = yield "馒头"
    print("a=", a)
    b = yield "大饼"
    print("b=", b)
    c = yield "韭菜盒子"
    print("c=", c)
    yield "GAME OVER"


gen = eat()  # 获取⽣成器

ret1 = gen.__next__()
print(ret1)  # 我吃什么啊
             # 馒头
ret2 = gen.send("胡辣汤")
print(ret2)  # a= 胡辣汤
             # 大饼
ret3 = gen.send("狗粮")
print(ret3)  # b= 狗粮
             # 韭菜盒子
ret4 = gen.send("猫粮")
print(ret4)  # c= 猫粮
             # GAME OVER

二.推导式

注意：用[]推导出来的是迭代器(Iterables)。用()推导出来的是生成器(Generators)。

1.列表推导式

语法：[ 结果 for 变量量 in 可迭代对象 ]

lst = []
for i in range(1,15):
    lst.append("python%s" % i)
print(lst)

#使用列表推导式
lst = ["python%s"%i for i in range(1,6)]
print(lst)

# 还可以对列表中的数据进行筛选
# 语法：[结果 for 变量 in 可迭代对象 if条件]
lst = ["python%s"%i for i in range(1,6) if i % 2 ==0]
print(lst)    # ['python2', 'python4']

2.生成器表达式

语法：( 结果 for 变量量 in 可迭代对象 ) 生成器表达式可以直接获取到生成器对象,生成器对象可以直接进行for循环。

gen = (i for i in range(10))
print(gen)  # <generator object <genexpr> at 0x000002566A124048>打印出来的结果就是一个生成器

#生成器也可以进行筛选
gen = (i for i in range(10) if i % 3 ==0)
for num in gen:
     print(num)    # 0 3 6 9

# 找名字中带有两个e的⼈人的名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
# 不⽤用推导式和表达式
result = []
for first in names:
    for name in first:
        if name.count("e") >= 2:
            result.append(name)
print(result)  # ['Jefferson', 'Wesley', 'Steven', 'Jennifer']

#使用推导式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
    print(name)  # Jefferson
                 # Wesley
                 # Steven
                 # Jennifer

生成器表达式和列表推导式的区别:

列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占用内存. 使用的时候才分配和使用内存

得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.

3.字典推导式

# 把字典中的key和value互换
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic)    # {1: 'a', '2': 'b'}

# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰伦', '林林俊杰', '邱彦涛']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)    # {'jay': '周杰伦', 'jj': '林林俊杰', 'sylar': '邱彦涛'}

4.集合推导式

集合推导式可以帮我们直接生成一个集合. 集合的特点: 无序, 不重复. 所以集合推导式自带去重功能

lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s)    # {8, 1, 12}

注意: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式

三.样例

#生成器的惰性机制
def func():
    print(111)
    yield 222


g = func()
g1 = (i for i in g)  # 生成器g1. 但是g1的数据来源于g
g2 = (i for i in g1)  # 生成器g2. 来源g1

print(list(g))  # 获取g中的数据. 这时func()才会被执行. 打印111.获取到222. g完毕.
print(list(g1))  # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了. g1 也就没有数据了
print(list(g2))  # 和g1同理


#面试题
def add(a, b):
    return a + b

def gen():
    for r_i in range(4):
         yield r_i

g = gen()
for n in [2, 10]:
    g = (add(n, i) for i in g)
# g = (add(n, i) for i in (add(n, i) for i in g))  # 可以理解成一个累加
print(list(g))   # [20, 21, 22, 23]